铣削刀具磨损状态监测系统关键技术研究

摘要

随着工业智能化的提出，数控加工技术正朝着智能化的方向发展。刀具磨损状态监测技术在数控加工智能化发展中占据重要的地位，在加工过程中，精确及时地监测到刀具磨损状态并且更换失效的刀具，不仅有助于提高生产效率，还可以提高刀具的使用寿命。因此，刀具磨损状态监测系统是现代数控加工智能化发展迫切需要的，其关键技术的研究具有十分重要的意义。
　　本文针对刀具磨损的形成机理进行了详尽的分析，根据分析制定刀具磨钝标准，考虑不同磨损状态下对监测信号的影响，合理选择监测方法，建立铣刀磨损状态监测系统的信号采集平台，制定信号采集方案并且采集信号数据。
　　针对上述所采集的数据进行特征提取，建立特征向量与铣削刀具磨损的之间的关系，针对特征向量维数高的特点，提出了改进的多分类支持向量机递归特征消去的特征选择方法，运用测试样本进行验证，该方法优于其他特征选择方法，为后续的状态识别，提供维数低和对不同铣刀磨损状态比较敏感的特征向量。采用万有引力优化最小二乘支持向量机的铣刀磨损状态识别的方法，利用选择后的特征向量进行铣刀磨损状态的识别。通过对比，该方法的识别精度较高。
　　本文最后结合VC++软件和Matlab软件的优点，开发铣削刀具磨损状态监测系统，可以实现铣削加工中刀具磨损状态的快速识别，通过识别结果显示界面，用户可以直观地判断刀具磨损的状况，进而判断是否更换刀具，减少停机时间，提高了加工效率。
　　通过对铣削刀具磨损状态监测系统关键技术的研究，提高了刀具的利用率，避免了报废工件的产生，降低了生产过程中资源的大量浪费，提高了生产效率。为数控加工智能化的发展奠定了基础。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状

1.3 课题来源和主要研究内容

第2章 刀具磨损分析及信号采集

2.1 刀具磨损分析

2.2 铣削刀具磨损状态监测信号的选择

2.3 铣削刀具磨损状态监测信号采集平台的构架

2.4 本章小结

第3章 基于改进的MSVM-RFE信号特征选择

3.1 铣削刀具磨损状态监测信号特征提取

3.2 改进的MSVM-RFE监测信号特征选择

3.3 基于改进的MSVM-RFE铣刀磨损状态监测信号特征选择

3.4本章小结

第4章 基于GSA优化LS-SVM刀具磨损状态识别

4.1 最小二乘支持向量机数学模型分析

4.2 万有引力搜索算法参数优化模型分析及流程设计

4.3 万有引力优化最小二乘支持向量机算法的模型设计

4.4 基于万有引力优化LS-SVM铣削刀具磨损状态识别

4.5 本章小结

第5章 铣削刀具磨损状态监测系统开发

5.1 系统的总体设计

5.2 VC++与Matlab接口的实现

5.3系统运行流程结构及模块设计

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

发明专利

致谢